两年前，谷歌推出了其Tensor处理单元或TPU——专门用于公司数据中心的芯片，可以轻松完**工智能任务。现在，该公司正将其人工智能专业知识从云端移开，并揭开了其新优势TPU的面纱；微型人工智能加速器，将在物联网设备中执行机器学习任务。

Edge TPU被设计用来进行所谓的“推理”。这是机器学习的一部分，算法实际执行它训练完成的任务；例如，识别图片中的对象。谷歌基于服务器的TPU针对该过程的培训部分进行了优化，而这些新的边缘TPU将进行推理。

这些新芯片注定将用于企业工作，而不是你的下一部智能**。这意味着像自动化工厂质量控制检查这样的任务。与使用必须通过互联网发送数据进行分析的硬件相比，在设备上执行此类工作具有许多优势。设备上的机器学习通常更安全；减少停机时间；并提供更快的结果。无论如何，这就是推销。

不过，谷歌并不是唯一一家为这种设备上人工智能任务设计芯片的公司。ARM、高通、联发科和其他公司都生产自己的人工智能加速器，而Nvidia生产的GPU则在训练算法市场上占据主导地位。

然而，谷歌的竞争对手所没有的是对整个人工智能堆栈的控制。客户可以将他们的数据存储在谷歌的云上；使用TPU训练他们的算法；然后利用新的Edge TPU进行设备推理。而且，更有可能的是，他们将使用TensorFlow创建机器学习软件，TensorFlow是一个由谷歌创建和操作的编码框架。

这种纵向一体化有着明显的好处。谷歌可以确保所有这些不同的部分尽可能高效、顺畅地相互交流，让客户更容易在公司的生态系统中发挥（和停留）。

Google Cloud物联网副总裁Injong Rhee在一篇博客文章中称，新硬件是“专门构建的ASIC芯片，设计用于在边缘运行TensorFlow Lite ML模型”。Rhee说：“Edge TPU旨在补充我们的云TPU产品，因此您可以在云中加速ML培训，然后在Edge上进行闪电般快速的ML推理。您的传感器不仅仅是数据采集器——它们可以做出本地、实时、智能的决策。”

有趣的是，谷歌还将Edge TPU作为开发工具包提供，这将使客户更容易测试硬件的功能，并了解如何将其应用到他们的产品中。该devkit包括一个包含边缘TPU、NXP CPU、微芯片安全元件和Wi-Fi功能的模块上系统（SOM）。它可以通过USB或PCI Express扩展插槽连接到计算机或服务器。这些devkit仅在beta版中提供，潜在客户必须申请访问。

这似乎只是新闻的一小部分，但值得注意的是，谷歌通常不让公众接触其人工智能硬件。然而，如果该公司希望客户采用它的技术，它需要确保他们可以先试用，而不仅仅是要求他们对谷歌人工智能领域有信心。这个开发板不仅仅是对公司的一种诱惑——它表明谷歌对拥有整个人工智能堆栈是认真的。